基于分块非负矩阵分解人脸识别增量学习

• 作者: 徐晨 潘彬彬 陈文胜
• 来源期刊: 计算机应用研究
• 关键词: 非负矩阵分解 局部特征提取 人脸识别 增量学习
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 117-120
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.01.037

摘要

非负矩阵分解(NMF)算法可以提取图像的局部特征,然而NMF算法有两个主要缺点:a)当矩阵维数较大时,NMF算法非常耗时;b)当增加新的训练样本或类别时,NMF算法必须进行重复学习.为克服NMF算法这些缺点,提出了一种新的分块NMF算法(BNMF).特别地,该方法还可用于增量学习.通过在FERET和CMU PIE人脸数据库上进行实验,结果表明该算法均优于NMF和PCA算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐晨		2	20	2.0	2.0
2	潘彬彬		1	13	1.0	1.0
3	陈文胜		1	13	1.0	1.0